Python中概率分布的变量变换求解方法

核心思路是利用概率密度变换的基本关系：$P_X(x)dx = P_E(e)de$，推导得$P_X(x) = P_E(e) \times \left| \frac{de}{dx} \right|$。对于你的变换$X = \frac{|a-E|}{|E|}$，可以通过以下步骤实现：

1. 推导雅可比行列式 #

先对$X$关于$E$求导，再取倒数的绝对值得到$\left| \frac{dE}{dX} \right|$：

• 令$X = \left| \frac{a}{E} - 1 \right|$，求导可得$\frac{dX}{dE} = \pm \frac{a}{E^2}$（符号由$E$和$a$的相对大小决定）
• 取绝对值后：$\left| \frac{dE}{dX} \right| = \frac{E^2}{|a|}$（该式对所有$E \neq 0$成立，无需分情况讨论）

2. Python实现步骤 #

步骤1：导入依赖并准备输入数据 #

import numpy as np
import matplotlib.pyplot as plt  # 可选，用于可视化

# 示例输入：替换成你的E数组和P(E)数组
a = 5.0
E = np.linspace(-10.0, 10.0, 200)  # 包含正负能量，排除0
E = E[E != 0]
# 示例概率密度：这里用正态分布，替换成你的P(E)
P_E = np.exp(-(E**2)/10)
P_E = P_E / np.trapz(P_E, E)  # 归一化，确保原分布积分=1

步骤2：计算X和对应的权重（雅可比项） #

# 计算每个E对应的X值
X = np.abs(a - E) / np.abs(E)
# 计算雅可比行列式的绝对值，即权重
weight = E ** 2 / np.abs(a)
# 计算每个X点的概率密度贡献
contrib = P_E * weight

步骤3：合并相同/相近X的贡献 #

由于多个E可能映射到同一个X，需要将这些贡献相加。这里提供两种方法：

方法A：合并精确重复的X（适合离散点）

# 处理浮点精度问题，保留6位小数
X_rounded = np.round(X, 6)
# 获取唯一X值，并合并对应贡献
unique_X, idx = np.unique(X_rounded, return_inverse=True)
P_X = np.bincount(idx, weights=contrib)

方法B：分箱处理（适合连续分布）

# 定义分箱数量
num_bins = 100
# 生成X的分箱区间
X_bins = np.linspace(X.min(), X.max(), num_bins + 1)
# 计算每个分箱内的总贡献
P_X_binned, _ = np.histogram(X, bins=X_bins, weights=contrib)
# 计算分箱中点，用于可视化
X_mid = (X_bins[:-1] + X_bins[1:]) / 2
# 转换为概率密度（除以分箱宽度）
bin_width = X_bins[1] - X_bins[0]
P_X_binned = P_X_binned / bin_width

步骤4：验证结果（可选） #

验证变换后的分布是否归一化：

# 对分箱结果验证积分
print(f"变换后分布积分：{np.trapz(P_X_binned, X_mid):.4f}")  # 应接近1

可视化结果（可选） #

plt.figure(figsize=(12, 6))
plt.subplot(121)
plt.plot(E, P_E, label='P(E)')
plt.xlabel('E')
plt.ylabel('Probability Density')
plt.title('Original Distribution')
plt.legend()

plt.subplot(122)
plt.plot(X_mid, P_X_binned, label='P(X)')
plt.xlabel('X')
plt.ylabel('Probability Density')
plt.title('Transformed Distribution')
plt.legend()
plt.show()

注意事项 #

• 必须排除$E=0$的情况，因为变换式分母为0，无意义。
• 如果$a=0$，所有$E$都会映射到$X=1$，此时$P(X)$是狄拉克delta函数，需单独处理。
• 若输入的$P(E)$是未归一化的，变换后的$P(X)$也会是未归一化的，可根据需要添加归一化步骤。

内容的提问来源于stack exchange，提问作者zukofirenation